自校正觀測融合Kalman估值器及其在典型跟蹤系統(tǒng)中的應用.pdf

1、當代科學技術發(fā)展和應用中,信息廣泛存在于通訊、控制、信號處理、數(shù)據(jù)挖掘、人工智能、生物信息、航空航天技術、經(jīng)濟預測與調(diào)控等社會諸多領域,起著舉足輕重的作用。隨著信息化時代的迅猛發(fā)展,信息越來越趨向于數(shù)據(jù)量大、來源廣、相關層次多等特點。因此,將信號單純的傳送和匯總已經(jīng)不能滿足信息化時代的要求,現(xiàn)代信號處理技術對信息的精度、容錯性要求越來越高。信息融合技術作為解決此問題的方法之一應運而生。信息融合作為多源信息綜合處理的一項新技術,它能將來自

2、同一目標的多源信息加以智能化合成,產(chǎn)生比單一信息源更精確、更完全、更可靠的估計和判決。
　　 本文主要針對線性和非線性多傳感器系統(tǒng),應用加權觀測融合和各種辨識方法,研究了最優(yōu)和自校正加權觀測融合Kalman濾波器,以及最優(yōu)和自適應加權觀測融合UKF。進而針對一類受控的線性離散多傳感器系統(tǒng),研究了基于最優(yōu)和自校正加權觀測融合Kalman濾波器的預測控制問題。本文主要以理論分析結合計算機仿真研究為主,具體研究內(nèi)容和成果包括以下幾個方

3、面:
　　 首先,針對一類帶未知噪聲統(tǒng)計的線性多傳感器系統(tǒng),結合最小二乘辨識方法、相關函數(shù)辨識方法以及多傳感器協(xié)同辨識方法,提出了幾種自適應加權觀測融合Kalman濾波器。分三種不同情形,對本文提出的基于多傳感器協(xié)同辨識的自校正加權觀測融合Kalman濾波器進行了具體描述以及仿真分析,并利用隨機序列的遍歷性證明了協(xié)同辨識方法得到的系統(tǒng)噪聲統(tǒng)計以概率1收斂于系統(tǒng)真實值,進而利用該方法得到的自校正加權觀測融合Kalman濾波器具有漸

4、近全局最優(yōu)性。
　　 其次,針對一類非線性多傳感器系統(tǒng),提出了加權觀測融合UKF濾波器,證明了應用該方得到的UKF濾波器與集中式觀測融合UKF濾波器在數(shù)值上具有完全等價性,因而具有全局最優(yōu)性,而加權觀測融合UKF濾波器較集中式觀測融合UKF濾波器大大減小了計算負擔?？紤]到這一類非線性多傳感器系統(tǒng)具有未知噪聲統(tǒng)計的情形,提出了自適應加權觀測融合UKF濾波器,該方法將協(xié)同辨識方法與自適應濾波方法相結合,提高了單純自適應UKF濾波器的

5、穩(wěn)定性、收斂速度以及準確性。
　　 再次,將加權觀測融合算法與預測控制算法相結合,提出了加權觀測融合預測控制算法。該方法避免了求解復雜的Diophantine方程,利用Kalman濾波算法得到系統(tǒng)狀態(tài)的預測,減小了計算負擔。而加權觀測信息融合的引入,則提高了控制系統(tǒng)的穩(wěn)定性和精度。
　　 最后,考慮到這一類受控的多傳感器系統(tǒng)具有未知噪聲統(tǒng)計的情形,提出了自適應加權觀測融合預測控制算法。該方法運用了本文提出的協(xié)同辨識方法,